基于深度学习的葡萄叶片分割
| 摘要 | 第2-4页 |
| Summary | 第4-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题的研究背景、目的和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.3 论文主要研究内容与章节安排 | 第15-16页 |
| 第二章 试验条件 | 第16-24页 |
| 2.1 试验设备 | 第16-19页 |
| 2.2 图像采集 | 第19-20页 |
| 2.3 数据集的制作 | 第20-23页 |
| 2.3.1 全卷积网络的数据集制作 | 第20-22页 |
| 2.3.2 MaskR-CNN网络的数据集制作 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 算法原理与结构介绍 | 第24-37页 |
| 3.1 caffe | 第24-25页 |
| 3.1.1 caffe(GPU)框架的构建 | 第24-25页 |
| 3.1.2 caffe的编译与调试 | 第25页 |
| 3.2 tensorflow+keras | 第25-26页 |
| 3.3 卷积神经网络 | 第26-30页 |
| 3.3.1 卷积神经网络原理 | 第26-28页 |
| 3.3.2 卷积神经网络的结构 | 第28-30页 |
| 3.4 全卷积神经网络 | 第30-33页 |
| 3.4.1 全卷积网络原理 | 第30-31页 |
| 3.4.2 全卷积网络结构图 | 第31-33页 |
| 3.5 MaskR-CNN网络 | 第33-36页 |
| 3.5.1 MaskR-CNN原理 | 第33-34页 |
| 3.5.2 MaskR-CNN结构介绍 | 第34-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于全卷积网络的葡萄叶片分割 | 第37-49页 |
| 4.1 正常葡萄叶片的分割 | 第37-43页 |
| 4.1.1 试验流程 | 第37页 |
| 4.1.2 结果与分析 | 第37-38页 |
| 4.1.3 正常葡萄叶片图像分割试验分析 | 第38-40页 |
| 4.1.4 算法对比分析 | 第40-43页 |
| 4.2 病害葡萄叶片分割 | 第43-47页 |
| 4.2.1 病害葡萄叶片图像分割实验分析 | 第43-44页 |
| 4.2.2 算法对比分析 | 第44-46页 |
| 4.2.3 典型病害的分割实例 | 第46-47页 |
| 4.3 本章小结 | 第47-49页 |
| 第五章 基于MaskR-CNN的葡萄叶片分割 | 第49-57页 |
| 5.1 葡萄叶片图像个例分割分析 | 第49-56页 |
| 5.1.1 正常葡萄叶片图像个例分割分析 | 第49-51页 |
| 5.1.2 病害葡萄叶片图像个例分割分析 | 第51-53页 |
| 5.1.3 混合葡萄叶片图像个例分割分析 | 第53-54页 |
| 5.1.4 不同品种葡萄叶片图像个例分割分析 | 第54-56页 |
| 5.2 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 作者简介 | 第66-67页 |
| 导师简介 | 第67-69页 |
